- •Розділ 2. Методи оцінки параметрів розподілів
- •2.1. Предмет і задачі математичної статистики
- •2.2. Варіаційні ряди та їх характеристики
- •2.2.1. Варіаційні ряди
- •2.2.2. Емпірична функція розподілу
- •2.2.3. Графічне представлення варіаційних рядів
- •2.3. Числові характеристики статистичних розподілів
- •2.3.1. Середні величини
- •2.3.2. Показники варіації
- •2.3.3. Моменти розподілу. Характеристики форми розподілу
- •Алгоритм у Mathcad
- •2.4. Статистичні оцінки параметрів розподілів
- •2.4.1. Поняття статистичної оцінки параметрів
- •2.4.2. Точкові оцінки математичного сподівання і дисперсії
- •2.4.3. Методи знаходження оцінок параметрів розподілу
- •2.4.4. Метод моментів
- •2.4.5. Метод максимальної правдоподібності
- •2.4.6. Метод найменших квадратів
- •2.4.7. Метод мінімуму χ2
- •2.5. Методи інтервальної оцінки параметрів розподілів
- •2.5.1. Надійні інтервали
- •2.5.2. Надійний інтервал для математичного сподівання нормального розподілу a при відомому σ
- •2.5.3. Надійний інтервал для математичного сподівання нормального розподілу a при невідомому σ
- •2.5.4. Надійний інтервал для генерального середнього
- •2.5.5. Надійний інтервал для дисперсії нормального розподілу при відомому математичному сподіванні
- •2.5.6. Надійний інтервал для дисперсії нормального розподілу при невідомому математичному сподіванні
- •2.5.7. Оцінка ймовірності біноміального розподілу за частотою
- •Оцінка математичного сподівання
- •2.5.9. Оцінка параметрів гамма-розподілу
- •2.5.10. Інтервальна оцінка параметра розподілу Пуассона
- •2.5.11. Надійний інтервал для різниці середніх нормальних сукупностей при рівних дисперсіях
- •2.5.12. Надійний інтервал для різниці середніх нормальних сукупностей при різних дисперсіях
- •2.5.13. Надійний інтервал для відношення дисперсій нормальних сукупностей
2.5.5. Надійний інтервал для дисперсії нормального розподілу при відомому математичному сподіванні
Статистична
модель. Нехай розподіл ознаки Х у
генеральній сукупності є нормальним
з параметрами а
і
Припустимо, що математичне сподівання
(генеральне середнє) відоме. Потрібно
знайти надійний інтервал для невідомої
дисперсії
і середнього квадратичного відхилення
нормально розподіленої випадкової
величини Х, якщо відоме її математичне
сподівання а із
заданим рівнем значущості
.
Розглянемо вибіркову
дисперсію повторної вибірки
,
яка характеризує варіацію ознаки
відносно генеральної середньої а:
або
Для побудови відповідних надійних інтервалів введемо статистику
.
Враховуючи, що
,
,
,
легко показати, що
,
.
Отже, величини
мають нормований нормальний розподіл
Відомо, що розподіл
суми квадратів n незалежних
випадкових величин
,
кожна з яких має стандартний нормальний
розподіл
,
представляє розподіл
з
ступенями свободи.
Таким чином, статистика
має розподіл
з
ступенями свободи. Розподіл
не залежить від невідомих параметрів
випадкової величини
,
а залежить лише від числа ступенів
свободи
.
Критичне значення
,
для якого ймовірність того, що випадкова
величина, яка має
-
розподіл з
ступенями свободи перевищить
,
тобто
визначається
квантилем
-
розподілу.
Якщо
–
повторна вибірка із нормально розподіленої
генеральної сукупності, то випадкова
величина
або
має розподіл
з
ступенями свободи. Тому для заданої
довірчої ймовірності
можна записати
.
(2.64)
Величини
звичайно вибирають таким чином, щоб
імовірності подій
і
були однакові:
.
Перетворивши подвійну нерівність в дужках у (2.64) до еквівалентного вигляду
,
одержимо формулу для надійної ймовірності для генеральної дисперсії:
,
(2.65)
а також для середнього квадратичного відхилення
.
(2.66)
У
величини
і
обчислюються як квантилі порядку
і
розподілу
з
ступенями свободи за допомогою функції
.
При використанні
функції
слід враховувати, що
.
Оскільки
,
то умова
рівносильна умові
.
Таким чином, критичні
значення
знаходимо із виразів
(2.67)
Нижня і відповідно верхня границі надійного інтервалу для дисперсії дорівнюватимуть
(2.68)
Аналогічно для середнього квадратичного відхилення
(2.69)
2.5.6. Надійний інтервал для дисперсії нормального розподілу при невідомому математичному сподіванні
У практиці статистичного аналізу математичне сподівання , як правило, невідоме і доводиться мати справу не з середнім квадратичним відхиленням відповідно генеральної середньої а, а із вибірковою середньою , отже, і з вибірковою дисперсією або з виправленою дисперсією .
Статистична модель. Нехай розподіл ознаки Х у генеральній сукупності є нормальним з параметрами а і Припустимо, що математичне сподівання (генеральне середнє) невідоме. Потрібно із заданим рівнем значущості знайти надійні інтервали для невідомої дисперсії і середнього квадратичного відхилення цієї випадкової величини Х.
Визначимо для оцінку
,
де
–
оцінка невідомого математичного
сподівання а.
Для побудови надійного
інтервалу для дисперсії
задамося рівнем значущості
і визначимо величини
так, щоб виконувались умови
.
Тоді
.
Звідси з імовірністю маємо нерівності
тобто
(2.70)
– надійний інтервал для невідомої дисперсії при невідомому математичному сподіванні а.
Аналогічно надійний інтервал для середнього квадратичного відхилення при невідомому математичному сподіванні буде мати вигляд
.
(2.71)
Критичні значення
обчислюються як квантилі відповідного
порядку з
ступенями свободи. У Mathcad
ці величини обчислюються відповідно
за функціями
.
При кількості
ступенів свободи
можна вважати, що випадкова величина
має стандартний нормальний розподіл
.
Тому для визначення
і
слід записати:
,
(2.72)
звідки
і після перетворень одержуємо нерівність
Таким чином, при розрахунку надійного інтервалу треба покладати
,
,
(2.73)
де
,
тобто
є квантиль розподілу
і визначається за функцією Mathcad
.
Знання точного значення математичного сподівання у загальному випадку несуттєво зменшує довжину надійного інтервалу у порівнянні надійним інтервалом, визначеним без використання точного значення математичного сподівання. Тому, якщо є сумніви у точному значенні математичного сподівання, слід використовувати метод побудови надійних інтервалів із невідомим математичним сподіванням.
Алгоритм побудови надійного інтервалу
1. Обчислюються
точкові оцінки
.
2. Задається рівень значущості (довірча імовірність ).
3. Визначаються
квантилі
,
де
–
функція, обернена до функції розподілу
з
ступенями свободи. У
квантилі
і
обчислюються за функцією
.
4. Обчислюються нижня
і верхня оцінки точності для дисперсії
і середнього квадратичного відхилення
і
.
5. Визначаються надійні інтервали для дисперсії і середнього квадратичного відхилення.
Коментар. Метод не стійкий при відхиленні від нормальності.
Приклад 2.8. За даними вибірки об’єму одержаною із генеральної сукупності, розподіленої за нормальним законом з невідомим математичним сподіванням а і невідомим середнім квадратичним відхиленням , оцінимо невідоме генеральне середнє квадратичне відхилення за вибірковим середнім квадратичним відхиленням і знайдемо для нього надійний інтервал з імовірністю .
Розв’язання.
Змоделюємо
за допомогою
функції
вибірку
Х об’єму
,
розподілену за нормальним законом з
параметрами
.
За даними цієї вибірки знаходимо
вибіркове середнє
і середнє квадратичне відхилення
.
За допомогою квантиля
розподілу
визначаємо точність оцінки
і знаходимо відповідний надійний
інтервал для середнього квадратичного
відхилення
Алгоритм у Mathcad
Початкові дані моделі
Моделювання вибірки
Фрагмент вибірки
Вибіркові оцінки математичного сподівання і середнього квадратичного відхилення
Квантилі
-розподілу
Точність нижньої і верхньої оцінки середнього квадратичного відхилення
Надійний інтервал
для середнього квадратичного відхилення
з рівнем значущості
◄
